KI-Kosten pro nutzbarem Ergebnis

Kurzfassung: KI im Mittelstand sollte nicht nach Lizenzpreis oder Demo-Eindruck bewertet werden, sondern nach den Kosten pro belastbarem Arbeitsergebnis: Angebot, Serviceantwort, Projektübergabe oder Entscheidungsvorlage.

Die Infrastrukturentwicklung rund um KI macht eine einfache Managementfrage dringlicher: Was kostet ein verwertbares Ergebnis, wenn KI nicht mehr gelegentlich getestet, sondern regelmäßig im Betrieb genutzt wird? Für KMU ist das keine abstrakte Energiedebatte, sondern eine Frage von Produktivität, Nacharbeit, Anbieterabhängigkeit und organisatorischer Anschlussfähigkeit.

Der Auslöser: KI hängt an teurer Infrastruktur

Die IEA erwartet in „Electricity 2024“, dass der weltweite Stromverbrauch von Rechenzentren, KI und Kryptowährungen von 2022 bis 2026 deutlich steigen kann und 2026 mehr als 1.000 TWh erreichen könnte. Das wäre in der Größenordnung des heutigen Stromverbrauchs großer Industrieländer.

Auch die Umweltberichte großer Plattformanbieter zeigen die materielle Seite der KI-Nutzung. Google berichtet für 2023 Treibhausgasemissionen von 14,3 Millionen Tonnen CO₂-Äquivalenten, 13 Prozent mehr als im Vorjahr. Microsoft weist in seinem Nachhaltigkeitsbericht ebenfalls steigende Gesamtemissionen gegenüber der eigenen Basislinie aus; als Treiber werden unter anderem Rechenzentren, Hardware und Lieferketten genannt.

Für den Mittelstand folgt daraus keine direkte Prognose, dass einzelne KI-Anwendungen kurzfristig teurer werden. Der relevante Punkt ist nüchterner: KI ist keine beliebig skalierbare Zusatzfunktion ohne physische und wirtschaftliche Folgen. Rechenkapazität, Energie, Chips, Kühlung, Netze und Anbieterinvestitionen fließen am Ende in Preismodelle, Nutzungslimits, Zusatzpakete oder Vertragsbedingungen ein.

Die passende Managementeinheit ist deshalb nicht „Kosten pro Nutzer“, sondern „Kosten pro nutzbarem Ergebnis“.

Der Entwurf ist noch kein Ergebnis

Viele KI-Anwendungen wirken produktiv, weil sie schnell sichtbare Zwischenergebnisse erzeugen: einen Angebotstext, eine Antwortmail, eine Zusammenfassung, eine Projektnotiz. Für die Steuerung im Unternehmen reicht das nicht. Wirtschaftlich zählt erst der Vorgang, der weiterverwendet werden kann.

Im Vertrieb ist ein KI-generierter Angebotsentwurf nur dann relevant, wenn er den Weg zum prüffähigen Angebot verkürzt. Dazu gehören korrekte Preise, gültige Lieferbedingungen, passende technische Spezifikationen und weniger Rückfragen. Wenn erfahrene Mitarbeitende anschließend dieselbe Zeit in Korrektur und Abstimmung investieren, wurde vor allem Textproduktion beschleunigt, nicht der kaufmännische Prozess.

Im Service gilt dasselbe. KI im Mittelstand kann Anfragen vorsortieren, Antwortvorschläge formulieren oder technische Dokumentation durchsuchen. Produktivität entsteht aber erst, wenn Reaktionszeiten sinken, Erstlösungen häufiger gelingen oder weniger Eskalationen an Spezialisten nötig sind. Dafür braucht es eine verbindliche Datenquelle: aktuelle Handbücher, gepflegte Servicehistorien und gültige Produktstände.

Die Messung bleibt überschaubar. Für wiederkehrende Vorgänge sollte sichtbar sein, wie lange der Ablauf vor und nach KI-Einsatz dauert, wie viel fachliche Nacharbeit entsteht und ob Rückfragen, Fehler oder Freigabeschleifen tatsächlich abnehmen. So wird aus einem technischen Eindruck eine belastbare Wirtschaftlichkeitsprüfung.

Laufende Nutzung verändert die Beschaffung

KI-Funktionen kommen im Mittelstand häufig über bestehende Softwareumgebungen: Bürosoftware, ERP-, CRM-, Service- oder Branchensysteme. Dadurch sinkt die Einstiegshürde. Gleichzeitig werden Anbieterentscheidungen wichtiger, weil KI-Nutzung nicht nur über Lizenzen, sondern auch über Mengen, Modelle, Funktionsänderungen und Integrationspfade wirkt.

Eine gelegentliche Nutzung für Formulierungen ist anders zu bewerten als eine tägliche Nutzung in Angeboten, Servicearbeit oder Projektabwicklung. Wenn KI regelmäßig in kundennahe Abläufe einfließt, betreffen Änderungen beim Anbieter nicht mehr nur die IT-Abteilung. Sie können Antwortzeiten, Angebotsqualität, interne Arbeitsverteilung und Kundenzusagen beeinflussen.

Deshalb gehört zur Prozessauswahl auch die Frage, wie sich die Kosten bei höherer Nutzung verhalten. Gibt es Nutzungsgrenzen? Werden bestimmte Funktionen separat berechnet? Können Daten und Ergebnisse in andere Systeme überführt werden? Was passiert bei Modellwechseln oder geänderten Funktionen? Diese Punkte sind keine technischen Randdetails, sondern Teil des Betriebsmodells.

Gerade bei agentischen Arbeitsabläufen wird das sichtbar. Wenn Systeme nicht nur Texte erzeugen, sondern Aufgaben anlegen, Statusinformationen abgleichen oder Folgeschritte vorbereiten, steigt der Nutzen nur dann, wenn Übergaben tatsächlich besser werden. Aus lückenhaften Notizen darf keine präzise klingende, aber fachlich unsichere Projektlage entstehen. Sonst erhöht KI die Aktivität im System, ohne die Entscheidungsqualität zu verbessern.

Gute KI-Governance beginnt bei der Ergebnisqualität

KI-Governance muss im Mittelstand nicht mit großen Regelwerken beginnen. Praktisch entscheidend ist, welchen Status ein KI-Ergebnis im jeweiligen Ablauf hat. Ein Entwurf darf unvollständig sein. Ein Hinweis muss nachvollziehbar sein. Eine Empfehlung braucht fachliche Prüfung. Eine Entscheidungsvorlage muss auf belastbaren Daten beruhen. Eine ausführende Aktion in Richtung Kunde oder System braucht klare Verantwortung.

Diese Unterscheidung hilft, die Kosten pro Ergebnis sauberer zu verstehen. Denn jede Stufe erzeugt anderen Prüfaufwand. Ein interner Textentwurf kann schnell nützlich sein. Eine Serviceantwort an einen Kunden braucht mehr Absicherung. Eine Projektentscheidung auf Basis zusammengeführter Informationen erfordert nachvollziehbare Herkunft, Aktualität und fachliche Bewertung.

Für Geschäftsführer und Bereichsleiter liegt der Nutzen dieser Betrachtung in der Priorisierung. Gute Kandidaten für KI sind wiederkehrende Abläufe mit klarer Datenbasis und fachlicher Prüfbarkeit: Angebotsbausteine aus freigegebenen Produktinformationen, Serviceantworten aus aktueller Dokumentation, interne Wissenssuche in gepflegten Unterlagen oder strukturierte Projektübergaben.

Schwächer geeignet sind Bereiche, in denen Daten veraltet, Zuständigkeiten unklar oder Kundenfolgen hoch sind. Dort kann KI Formulierungen verbessern, aber keine verlässliche Arbeitsgrundlage ersetzen.

Die konkrete Entscheidung lautet daher: Welche KI-Nutzung senkt nachweislich die Kosten pro belastbarem Vorgang, welche bleibt bewusst begrenzt, und welche braucht zuerst bessere Daten, klarere Zuständigkeiten oder tragfähigere Anbieterbedingungen? Genau dort entscheidet sich, ob KI im KMU operative Entlastung schafft oder nur zusätzliche Nacharbeit erzeugt.